CN102176243A - 一种基于可见光和红外摄像机的目标测距方法 - Google Patents
一种基于可见光和红外摄像机的目标测距方法 Download PDFInfo
- Publication number
- CN102176243A CN102176243A CN2010106149100A CN201010614910A CN102176243A CN 102176243 A CN102176243 A CN 102176243A CN 2010106149100 A CN2010106149100 A CN 2010106149100A CN 201010614910 A CN201010614910 A CN 201010614910A CN 102176243 A CN102176243 A CN 102176243A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- match
- unique
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000007430 reference method Methods 0.000 claims abstract description 4
- 239000004744 fabric Substances 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000002708 enhancing effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
技术领域
本发明属于计算机视觉应用领域,涉及一种基于可见光和红外摄像机的目标测距方法,具体是通过运用计算机双目立体视觉、图像处理以及图像的特征匹配等机器视觉理论和技术进行目标测距的方法。
背景技术
基于多传感器的视觉图像测距技术可以充分利用现有成像传感器的特点,通过信息处理与视频处理技术,更全面地获取目标的信息,在军事、安防、监控、辅助驾驶等领域有重要的应用价值。
针对车辆发生的恶***通事故现象,在研究智能交通***发展状况和国内外智能车辆测距技术的基础上,通过对国内外智能车辆防撞预警***的研究分析发现,现有的基于视觉检测的***在阴雨、大雾、夜晚等光线较为不好的情况下,无法进行用于辅助驾驶的中长距离目标检测。
目前在目标测距方面已申请的专利有:一种基于改进SIFT算法的移动机器人视觉定位方法(200910072078),采集移动机器人行走路径中的特定模板图像,运用改进的SIFT算法计算模板图像的SIFT特征点向量集,根据标示物模板图像中匹配特征点集合的坐标位置,实现对待识别图像中的特定标示物的识别,最后确定移动机器人的位置,达到视觉定位的目的。因为使用的是两个可见光摄像机,因此该方法无法用于光线比较暗的情况;一种基于GPS的车载测距***(200820092045),GPS主机模块用于采集车间距检测信号和车速检测信号,并将车间距检测信号发送到所述显示装置,同时将车间距检测信号和车速检测信号与安全车间距进行分析比较,判断是否驱动报警装置报警,并显示出车间距,其成本相对于使用视觉测距的***高;汽车用红外线测距倒车语音提示器(200820063940),由安装在汽车后备箱上红外线发射管与红外线吸收管,所吸收的红外线信号传递到红外线测距装置,输出音频到前面安装在汽车右方的喇叭上发出汽车与障碍物之间距离(2米、1米等)的语音提示;一种倒车可视测距***(200820042567),由雷达***,摄像装置,OSD显示控制器和显示器组成,不仅能够显示车后的图像,而且还能够显示障碍物的距离以及与距离相应的彩色标识,但上述两个***只能在停车、倒车时测得较近目标,无法用于辅助驾驶。通过对上面测距***的研究分析发现,现有的基于视觉检测的***无法用于阴雨、大雾、夜晚等光线较为不好的情况或中、长距离目标的测距。
发明内容
本发明的目的就是针对现有技术的不足,提供一种基于可见光和红外摄像机的目标测距方法,该方法将可见光和红外摄像机应用于目标测距***中,采用图像增强、双目***标定、图像匹配、消除误匹配以及目标距离测定五个步骤,能够在光线较为不好的情况下得到较远目标的距离信息并用于夜间的辅助驾驶。
本发明的目标测距方法的具体步骤是:
步骤(1)采用Retinex理论对图像进行增强处理,计算物体反射分量图像。
步骤(2)采用平面标定法对***进行标定,得到单应性矩阵。
步骤(3)利用SIFT对红外图像与可见光图像进行匹配。
步骤(5)利用匹配点获取空间三维信息。
本发明方法利用Retinex理论从生物学角度来对图像进行增强处理,使增强后的图像目标更加清晰,有利于图像的匹配,该方法利用了多源视觉传感器,从不同方面获取空间景物信息,扩展了其环境使用范围,而且降低了成本更有利于普通消费者所接受;并且利用RAMSAC算法消除了两幅图像的误匹配点,提高了求解目标距离的精确度。
附图说明
图1是目标测距的结构流程图;
图2是sift特征向量的生成。
具体实施方式
以下结合附图对本发明作进一步说明。
如图1所示,本发明方法的具体步骤是:
为了便于计算,将(1)式复杂的乘法计算取对数转变为简单的加法计算,从生理学角度来看,对数形式更接近人类视觉***的感知能力以及摄像机对光线的感知能力,即
即
(7)
步骤(3)利用SIFT对红外图像与可见光图像进行匹配
SIFT特征匹配算法包括两个阶段,第一阶段是SIFT特征向量的生成,即从多幅待匹配图像中提取出对尺度缩放、旋转、亮度变化鲁棒的特征向量;第二阶段是SIFT特征向量的匹配。特征向量的提取在尺度空间上进行,而特征向量的匹配则通过计算两个特征向量间的欧氏距离来确定。主要有七个步骤:
一幅二维图像的尺度空间定义为:
为了能够有效的检测尺度空间稳定的关键点,利用一组连续的高斯卷积核与原图像进行卷积,生成一系列尺度空间的图像,相邻尺度的图像相减就得到一组高斯差分DoG(Difference -of-Gaussian)函数
Ⅱ. 检测空间极值点
为了寻找尺度空间的极值点,每一个采样点要和它所有的相邻点进行比较,来查找该像素点是否比它的尺度空间图像和二维图像空间的相邻点大或者小。即在DoG尺度空间中的每个像素点需要跟同层的相邻8个像素点以及它上一层和下一层的尺度对应的9×2个点像素点(共26个)进行比较,得到在尺度空间和二维图像空间都能检测的到极大值或极小值点。
Ⅲ.精确确定极值点位置,确定特征点
将尺度空间函数在极值点处进行泰勒级数展开
将尺度空间函数求导并令其等于零,则可以得到特征点的位置
Ⅳ.边缘响应的去除
(16)
Ⅴ. 特征点方向分配
每个特征点的方向由其邻域像素的梯度方向求出:
Ⅵ.特征点描述子的生成
图2左部分的中央黑点为当前特征点的位置,每个小格代表特征点邻域所在尺度空间的一个像素,箭头方向代表该像素的梯度方向,箭头长度代表梯度模值,图中圈代表高斯加权的范围(越靠近特征点的像素梯度方向信息贡献越大)。以特征点为中心取8×8像素大小的窗口,然后将此邻域均匀的分为2×2的小块,在这些子区域上分别计算8个方向的梯度方向直方图,将四个子区域的每个梯度方向的值进行叠加,即可形成一个种子点,如图2右部分所示。此图中一个特征点由2×2共4个种子点组成,每个种子点有8个方向向量信息,这样就可以构成了一个2x2x8=32维的特征向量,该向量就称为sift特征描述子。
Ⅶ. SIFT特征向量的匹配
当两幅图像的SIFT特征向量生成后,特征向量匹配算法的基本策略就是采用特征点特征向量的欧式距离作为两幅图像中特征点的相似性判定度量。即在匹配时比较与特征点的特征向量最近的与次近的特征点。取一幅图像中的某个特征点,并找出其与另一幅图像中欧式距离最近的前两个特征点,在这两个特征点中,如果最近距离的那个点除以次近的距离小于某个比例阈值,则接受这一对为匹配点,表示该幅图像中的这个特征点与另一幅图像中欧氏距离最近的特征点匹配;否则就不要这对匹配点。降低这个比例阈值(通常选为0.4-0.5),SIFT匹配点数目会减少,但更加稳定。
该算法的具体实现步骤为
(21)
上式可以整理为
其中,为参考图像上的点,为目标图像上与对应的点。为投影矩阵,是一个包含八个自由度的3×3矩阵。理论上至少选择两平面中的四对匹配点(但同一平面上的三个点必须不能共面),每一个匹配点构成了两个线性方程,总共得到八个独立的线性方程组,利用最小二乘求解这八个方程组就能够估计出。获得后再把目标图像上的点归一化到参考图像坐标系中。
④统计正确的匹配点的个数并计算出其标准方差,当大于最大的迭代次数,或者等于最大的迭代次数而且小于允许的最小误差,则更新投影矩阵并记录所有的正确的匹配点,否则,要重新随机抽取新的匹配点,重复①-③步骤;
⑥在完成一定(通常800次以上)的抽样次数后,选取抽样后获得的最大一致集,利用最小二乘计算最优的拟合模型参数。
步骤(5)利用匹配点获取空间三维信息
(25)
(26)
其中
则利用最小二乘可得到
Claims (1)
1.一种基于可见光和红外摄像机的目标测距方法,其特征在于该方法的具体步骤是:
步骤(3)利用SIFT特征匹配算法对红外图像与可见光图像进行匹配,具体是:
Ⅱ.检测尺度空间极值点,具体是:将尺度空间中的每个像素点与同层的相邻8个像素点以及该像素点上一层和下一层的尺度对应的18个像素点进行比较,得到在尺度空间和二维图像空间都能检测的到极大值或极小值点;
Ⅲ.确定极值点位置,确定特征点,具体是:
将尺度空间函数在极值点处进行泰勒级数展开
Ⅳ.去除边缘响应,具体是:
Ⅴ.特征点方向分配,每个特征点的方向由其邻域像素的梯度方向求出,
Ⅵ.生成特征点描述子;
Ⅶ.SIFT特征向量的匹配,具体是:取一幅图像中的特征点,找出其与另一幅图像中欧式距离最近的前两个特征点,在这两个特征点中,如果最近距离的那个点除以次近的距离小于比例阈值,则接受这一对特征点为匹配点,表示该幅图像中的特征点与另一幅图像中欧氏距离最近的特征点匹配;
⑥在完成设定的抽样次数后,选取抽样后获得的最大一致集,利用最小二乘计算最优的拟合模型参数;
步骤(5)利用匹配点获取空间三维信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106149100A CN102176243A (zh) | 2010-12-30 | 2010-12-30 | 一种基于可见光和红外摄像机的目标测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106149100A CN102176243A (zh) | 2010-12-30 | 2010-12-30 | 一种基于可见光和红外摄像机的目标测距方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102176243A true CN102176243A (zh) | 2011-09-07 |
Family
ID=44519420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106149100A Pending CN102176243A (zh) | 2010-12-30 | 2010-12-30 | 一种基于可见光和红外摄像机的目标测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102176243A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692236A (zh) * | 2012-05-16 | 2012-09-26 | 浙江大学 | 基于rgb-d相机的视觉里程计方法 |
CN102785667A (zh) * | 2012-08-29 | 2012-11-21 | 浙江海康集团有限公司 | 基于双目的车道偏离和前防撞预警集成警示***及方法 |
CN103198302A (zh) * | 2013-04-10 | 2013-07-10 | 浙江大学 | 一种基于双模态数据融合的道路检测方法 |
CN105279522A (zh) * | 2015-09-30 | 2016-01-27 | 华南理工大学 | 一种基于sift的场景物体实时配准方法 |
CN105354854A (zh) * | 2015-12-01 | 2016-02-24 | 国家电网公司 | 基于三维数字模型的相机参数动态联合标定方法及*** |
CN105809654A (zh) * | 2014-12-29 | 2016-07-27 | 深圳超多维光电子有限公司 | 目标对象跟踪方法、装置和立体显示设备及方法 |
CN106184205A (zh) * | 2016-07-08 | 2016-12-07 | 燕山大学 | 一种基于双目摄像头的车道偏离检测***及方法 |
CN106650701A (zh) * | 2017-01-05 | 2017-05-10 | 华南理工大学 | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 |
CN106875357A (zh) * | 2017-01-26 | 2017-06-20 | 上海正雅齿科科技有限公司 | 二维码图像处理方法 |
CN107229934A (zh) * | 2017-04-24 | 2017-10-03 | 东北大学 | 基于最小匹配距离与随机采样一致性的错误匹配去除方法 |
CN108122210A (zh) * | 2017-12-19 | 2018-06-05 | 长沙全度影像科技有限公司 | 一种基于Retinex和增强梯度的低照度车牌视频图像增强方法 |
CN108288289A (zh) * | 2018-03-07 | 2018-07-17 | 华南理工大学 | 一种用于可见光定位的led视觉检测方法及其*** |
CN109255386A (zh) * | 2018-09-18 | 2019-01-22 | 中国科学院沈阳自动化研究所 | 基于毫米波雷达和视觉融合的道路行人快速检测方法 |
CN109871739A (zh) * | 2018-12-27 | 2019-06-11 | 南京国图信息产业有限公司 | 基于yolo-sioctl的机动站自动目标检测与空间定位方法 |
CN110728282A (zh) * | 2019-10-11 | 2020-01-24 | 哈尔滨理工大学 | 基于动态测量的自适应标定方法 |
CN111160210A (zh) * | 2019-12-24 | 2020-05-15 | 天津天地伟业机器人技术有限公司 | 一种基于视频的水流速检测方法及*** |
CN111833281A (zh) * | 2020-06-08 | 2020-10-27 | 上海宇航***工程研究所 | 面向可重复使用火箭回收的多视觉敏感器数据融合方法 |
CN111899289A (zh) * | 2020-06-19 | 2020-11-06 | 北京理工大学 | 一种基于图像特征信息的红外图像与可见光图像的配准方法 |
CN111998823A (zh) * | 2020-08-26 | 2020-11-27 | 吉林大学 | 基于双目异光源测距装置的目标测距方法 |
CN112525326A (zh) * | 2020-11-21 | 2021-03-19 | 西安交通大学 | 一种无标记结构三维振动的计算机视觉测量方法 |
CN113155293A (zh) * | 2021-04-06 | 2021-07-23 | 内蒙古工业大学 | 一种基于无人机的人体遥感测温监测识别*** |
CN114608450A (zh) * | 2022-03-10 | 2022-06-10 | 西安应用光学研究所 | 机载光电***对远距离海面目标三维尺寸测算方法 |
CN116342708A (zh) * | 2022-12-05 | 2023-06-27 | 广西北港大数据科技有限公司 | 基于单应性变换的毫米波雷达与摄像头自动标定方法 |
-
2010
- 2010-12-30 CN CN2010106149100A patent/CN102176243A/zh active Pending
Non-Patent Citations (7)
Title |
---|
《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 20001130 Zhengyou Zhang, A flexible new technique for camera calibration 第22卷, 第11期 * |
《上海交通大学学报》 20070531 刘家朋等 基于单尺度Retinex算法的非线性图像增强算法 第41卷, 第5期 * |
《中国优秀硕士论文电子期刊》 20081115 田阿灵 基于SIFT的红外与可见光图像配准方法研究 , 第11期 * |
《中国优秀硕士论文电子期刊》 20090715 杨艳伟 基于SIFT特征点的图像拼接技术研究 , 第7期 * |
《中国优秀硕士论文电子期刊》 20100815 林学晶 视频图像拼接技术研究 , 第8期 * |
《计算机应用》 20080101 张朝伟等 基于sift特征匹配的监控图像自动拼接 第28卷, 第1期 * |
《计算机应用》 20100701 曲天伟等 改进的RANSAC算法在图像配准中的应用 第30卷, 第7期 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692236A (zh) * | 2012-05-16 | 2012-09-26 | 浙江大学 | 基于rgb-d相机的视觉里程计方法 |
CN102785667A (zh) * | 2012-08-29 | 2012-11-21 | 浙江海康集团有限公司 | 基于双目的车道偏离和前防撞预警集成警示***及方法 |
CN103198302A (zh) * | 2013-04-10 | 2013-07-10 | 浙江大学 | 一种基于双模态数据融合的道路检测方法 |
CN103198302B (zh) * | 2013-04-10 | 2015-12-02 | 浙江大学 | 一种基于双模态数据融合的道路检测方法 |
CN105809654B (zh) * | 2014-12-29 | 2018-11-23 | 深圳超多维科技有限公司 | 目标对象跟踪方法、装置和立体显示设备及方法 |
CN105809654A (zh) * | 2014-12-29 | 2016-07-27 | 深圳超多维光电子有限公司 | 目标对象跟踪方法、装置和立体显示设备及方法 |
CN105279522A (zh) * | 2015-09-30 | 2016-01-27 | 华南理工大学 | 一种基于sift的场景物体实时配准方法 |
CN105354854A (zh) * | 2015-12-01 | 2016-02-24 | 国家电网公司 | 基于三维数字模型的相机参数动态联合标定方法及*** |
CN105354854B (zh) * | 2015-12-01 | 2018-12-07 | 国家电网公司 | 基于三维数字模型的相机参数动态联合标定方法及*** |
CN106184205A (zh) * | 2016-07-08 | 2016-12-07 | 燕山大学 | 一种基于双目摄像头的车道偏离检测***及方法 |
CN106650701A (zh) * | 2017-01-05 | 2017-05-10 | 华南理工大学 | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 |
CN106650701B (zh) * | 2017-01-05 | 2020-01-14 | 华南理工大学 | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 |
CN106875357A (zh) * | 2017-01-26 | 2017-06-20 | 上海正雅齿科科技有限公司 | 二维码图像处理方法 |
CN107229934A (zh) * | 2017-04-24 | 2017-10-03 | 东北大学 | 基于最小匹配距离与随机采样一致性的错误匹配去除方法 |
CN108122210A (zh) * | 2017-12-19 | 2018-06-05 | 长沙全度影像科技有限公司 | 一种基于Retinex和增强梯度的低照度车牌视频图像增强方法 |
CN108288289B (zh) * | 2018-03-07 | 2023-07-18 | 华南理工大学 | 一种用于可见光定位的led视觉检测方法及其*** |
CN108288289A (zh) * | 2018-03-07 | 2018-07-17 | 华南理工大学 | 一种用于可见光定位的led视觉检测方法及其*** |
CN109255386A (zh) * | 2018-09-18 | 2019-01-22 | 中国科学院沈阳自动化研究所 | 基于毫米波雷达和视觉融合的道路行人快速检测方法 |
CN109871739A (zh) * | 2018-12-27 | 2019-06-11 | 南京国图信息产业有限公司 | 基于yolo-sioctl的机动站自动目标检测与空间定位方法 |
CN110728282A (zh) * | 2019-10-11 | 2020-01-24 | 哈尔滨理工大学 | 基于动态测量的自适应标定方法 |
CN111160210A (zh) * | 2019-12-24 | 2020-05-15 | 天津天地伟业机器人技术有限公司 | 一种基于视频的水流速检测方法及*** |
CN111160210B (zh) * | 2019-12-24 | 2023-09-26 | 天地伟业技术有限公司 | 一种基于视频的水流速检测方法及*** |
CN111833281A (zh) * | 2020-06-08 | 2020-10-27 | 上海宇航***工程研究所 | 面向可重复使用火箭回收的多视觉敏感器数据融合方法 |
CN111833281B (zh) * | 2020-06-08 | 2024-04-09 | 上海宇航***工程研究所 | 面向可重复使用火箭回收的多视觉敏感器数据融合方法 |
CN111899289A (zh) * | 2020-06-19 | 2020-11-06 | 北京理工大学 | 一种基于图像特征信息的红外图像与可见光图像的配准方法 |
CN111998823A (zh) * | 2020-08-26 | 2020-11-27 | 吉林大学 | 基于双目异光源测距装置的目标测距方法 |
CN112525326A (zh) * | 2020-11-21 | 2021-03-19 | 西安交通大学 | 一种无标记结构三维振动的计算机视觉测量方法 |
CN113155293A (zh) * | 2021-04-06 | 2021-07-23 | 内蒙古工业大学 | 一种基于无人机的人体遥感测温监测识别*** |
CN114608450A (zh) * | 2022-03-10 | 2022-06-10 | 西安应用光学研究所 | 机载光电***对远距离海面目标三维尺寸测算方法 |
CN114608450B (zh) * | 2022-03-10 | 2023-09-26 | 西安应用光学研究所 | 机载光电***对远距离海面目标三维尺寸测算方法 |
CN116342708A (zh) * | 2022-12-05 | 2023-06-27 | 广西北港大数据科技有限公司 | 基于单应性变换的毫米波雷达与摄像头自动标定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102176243A (zh) | 一种基于可见光和红外摄像机的目标测距方法 | |
Pinggera et al. | Lost and found: detecting small road hazards for self-driving vehicles | |
CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、***、装置 | |
CN111882612B (zh) | 一种基于三维激光检测车道线的车辆多尺度定位方法 | |
CN107272021B (zh) | 使用雷达和视觉定义的图像检测区域的对象检测 | |
US9846812B2 (en) | Image recognition system for a vehicle and corresponding method | |
CN104035439B (zh) | 用多个激光雷达传感器利用扫描点追踪物体的贝叶斯网络 | |
CN104700414B (zh) | 一种基于车载双目相机的前方道路行人快速测距方法 | |
Li et al. | Road lane detection with gabor filters | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
US10984263B2 (en) | Detection and validation of objects from sequential images of a camera by using homographies | |
Fiala et al. | Visual odometry using 3-dimensional video input | |
CN115049700A (zh) | 一种目标检测方法及装置 | |
Pinggera et al. | High-performance long range obstacle detection using stereo vision | |
CN110992424B (zh) | 基于双目视觉的定位方法和*** | |
CN104751119A (zh) | 基于信息融合的行人快速检测跟踪方法 | |
CN111862673A (zh) | 基于顶视图的停车场车辆自定位及地图构建方法 | |
Li et al. | Automatic parking slot detection based on around view monitor (AVM) systems | |
Murmu et al. | Relative velocity measurement using low cost single camera-based stereo vision system | |
CN113256731A (zh) | 基于单目视觉的目标检测方法及装置 | |
CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
Li | Stereo vision and Lidar based dynamic occupancy grid mapping: Application to scenes analysis for intelligent vehicles | |
US11087150B2 (en) | Detection and validation of objects from sequential images of a camera by using homographies | |
CN110864670B (zh) | 目标障碍物位置的获取方法和*** | |
Zhao et al. | Omni-Directional Obstacle Detection for Vehicles Based on Depth Camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110907 |